PSM倾向匹配详细步骤和程序

关注

VIP免费原创最新推荐文章于 2026-09-13 11:29:16 发布 5.2w 阅读 AI 写同款· GEO 优化 ›

PSM倾向得分匹配法【python实操篇】前言大家好，我是顾先生，PSM倾向性得分匹配法的Python代码实操终于来啦！对于PSM原理不太熟悉的同学可以看看前一篇文章：PSM倾向得分匹配法【上篇：理论篇】目前网上PSM实操的相关文章都是R语言、SPSS和STATA实现的，少数Python版本代码不全，可读性有限（有些甚至要钱。。。）所以我想出一版可读性强、能迅速复用的Python版本PSM，让各位同学既能看懂又能快速上手。本次Python代码实操主要参考了psmatching的源码，并做了一定的修改，地址在文末参考资料。这次我把每段阅读详情

试验设计中，匹配的目的在于确保干预效应估计是建立在可比个体之间的不同结果的基础上。最简单的匹配方式是将干预组和对照组中协变量值相同的两个个体进行配对分析。但是，如果协变量并不是某一个变量，而是一组变量时，这种简单的匹配方式也就不再适用，而是采用倾向得分匹配方式进行匹配。倾向性匹配得分（PSM）分析，主流统计学软件SAS、Stata、SPSS（22.0以上版本）、R语言均可实现。但SAS难度较高，不推荐；SPSS虽然操作简便，但是仅能实现1:1匹配，如无特殊需求可以尝试。笔者重点推荐使用Stata或者R语言完成PSM分析。下面笔者将以实例演示的形式讲解Stata软件在倾向性匹配得分中的应用。

1.安装psmatch2统计包。

命令如下：

.ssc install psmatch2

需要在联网状态下键入上述命令，然后软件自动搜索对应的程序包进行安装，成功安装后会有以下提示：

checking psmatch2 consistency and verifying not already installed…
installing into .\ado\plus… installation complete.（出现此提示表示安装完成）

为了验证是否成功安装以及查看psmatch2命令的帮助菜单，可在命令窗口键入

.help psmatch2

如果能顺利弹出帮助文件，表示安装成功，可正常使用。

2.数据准备

数据如下图所示，共有10个变量，614个观测，试验组185例，对照组429例。treat变量即为分组变量，“1”=试验组，“0”=对照组。age, educ, black, hispan, married, nodegree, re74, re75为协变量, re78为结局变量。事实上，倾向性匹配得分分析是要建立一个以分组变量（treat）为因变量，各个协变量（age, educ, black, hispan, married, nodegree, re74, re75）为自变量的回归方程。而结局变量（re78）在PSM过程中几乎不参与建模。
在这里插入图片描述

图1. 数据整理

3.数据分析及命令解读

命令窗口键入如下命令：

.gen tmp = runiform() 
.sort tmp (以上两步对所有观测值进行随机排序)
.psmatch2 treat age educ black hispan married nodegre

最低0.47元/天解锁文章

PSM-DID：一个简明教程本文为简明PSM-DID教程，适合初学者。本文首先简述PSM和DID的原理，最后讲如何实际操作，附有stata代码。阅读详情